Targeting fibroblast activation protein in solid tumors via LNP-mediated CAR-mRNA delivery promotes durable regression in murine models
Notice bibliographique
Résumé
The therapeutic potential of chimeric antigen receptor (CAR) T-cell therapy in treating solid tumors is highly recognized, yet the complex and immunosuppressive nature of the tumor microenvironment, poor accessibility, and the instability of target antigens pose substantial challenges. Here, we present an mRNA-LNP-based therapeutic strategy that delivers mRNA encoding a fibroblast activation protein (FAP)-specific CAR to reprogram host immune cells in vivo and target cancer-associated fibroblasts within the tumor stroma. In multiple solid tumor mouse models, this approach, combined with chemotherapeutic agents and immune checkpoint inhibitors, achieved significant tumor regression and induced durable, antigen-specific immune memory. Incorporation of m 6 A-modified CAR mRNA accelerated and amplified antitumor responses, while blockade of the macrophage migration inhibitory factor (MIF)-CD74 axis further improved tumor control by alleviating immune suppression. In patient-derived xenograft models, HOX family transcription factors were implicated in treatment resistance, highlighting a potential biomarker and therapeutic target. The evidence from this study demonstrates that targeting the tumor microenvironment with a controllable mRNA-modulated strategy achieves substantial antitumor efficacy and holds significant potential to enhance the applicability and acceptance of CAR-T cell therapy across a variety of cancers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».